雷达学报

作者：何密, 平钦文, 戴然

单位：陆军军医大学生物医学工程与影像医学系 重庆 400038；

关键词：超宽带雷达, 深度学习, 跌倒检测, 数据融合, 轻量级网络

基金：陆军军医大学校级课题(2019XYY04)，国家部委基金(BLJ18J005)

相对于窄带多普勒雷达，超宽带雷达能够同时获取目标的距离和多普勒信息，更利于行为识别。为了提高跌倒行为的识别性能，该文采用调频连续波超宽带雷达在两个真实的室内复杂场景下采集36名受试者的日常行为和跌倒的回波数据，建立了动作种类丰富的多场景跌倒检测数据集；通过预处理，获取受试者的距离时间谱、距离多普勒谱和时间多普勒谱；基于MobileNet-V3轻量级网络，设计了数据级、特征级和决策级3种雷达图谱深度学习融合网络。统计分析结果表明，该文提出的决策级融合方法相对于仅用单种图谱、数据级和特征级融合的方法，能够提高跌倒检测的性能(显著性检验方法得到的所有P值<0.003)。决策级融合方法的5折交叉验证的准确率为0.9956，在新场景下测试的准确率为0.9778，具有良好的泛化能力。

来源：2023年第2期

《雷达学报》期刊编辑部

查看雷达学报杂志2023年第2期